1 . 已知之间的回归直线方程为，且变量的数据如表所示，则下列说法正确的是（       ）

	6	8	10	12
	6		3	2

A．变量之间呈负相关关系	B．的值等于5
C．变量之间的相关系数	D．该回归直线必过点

3 . 为了研究y关于x的线性相关关系，收集了5组样本数据（见下表）：

x	1	2	3	4	5
y	0.5	0.9	1	1.1	1.5

若已求得一元线性回归方程为，则下列选项中正确的是（       ）

A．

B．当时，y的预测值为2.2

C．样本数据y的第40百分位数为1

D．去掉样本点后，x与y的样本相关系数r不会改变

4 . 随着全国新能源汽车推广力度的加大，新能源汽车消费迎来了前所未有的新机遇.某公司生产了A、两种不同型号的新能源汽车，为了解大众对生产的新能源汽车的接受程度，公司在某地区采用随机抽样的方式进行调查，对A、两种不同型号的新能源汽车进行综合评估（得分越高接受程度就越高），综合得分按照，，，分组，绘制成评估综合得分的频率分布直方图（如图）：

(1)以综合得分的平均数为依据，判断A、两种不同型号的新能源汽车哪种型号更受大众喜欢；
(2)为进一步了解该地区新能源汽车销售情况，某机构根据统计数据，用最小二乘法得到该地区新能源汽车销量（单位：万台）关于年份的线性回归方程为，且销量的方差，年份的方差为，求与的相关系数，并据此判断该地区新能源汽车销量与年份的相关性强弱.
参考公式：（ⅰ）线性回归方罡：，其中，；
（ⅱ）相关系数（若，则相关性较弱：若，则相关性较强；若，则相关性很强）.

5 . 随着全国新能源汽车推广力度的加大，新能源汽车消费迎来了前所未有的新机遇．某公司生产了A、B两种不同型号的新能源汽车，为了解大众对生产的新能源汽车的接受程度，公司在某地区采用随机抽样的方式进行调查，对A、B两种不同型号的新能源汽车进行综合评估，综合得分按照，，，分组，绘制成评估综合得分的频率分布直方图（如图）：

A型号评估综合得分频率分布直方图             B型号评估综合得分频率分布直方图
(1)以调查结果的频率估计概率，从A、B两种不同型号的新能源汽车中各随机抽取一辆，以X表示这两辆中综合得分不低于80分的辆数，求X的分布列和数学期望；
(2)为进一步了解该地区新能源汽车销售情况，某机构根据统计数据，用最小二乘法得到该地区新能源汽车销量y（单位：万台）关于年份x的线性回归方程为，且销量的方差，年份的方差为．求y与x的相关系数r，并据此判断该地区新能源汽车销量y与年份x的相关性强弱．
参考公式：
（ⅰ）线性回归方程：，其中，；
（ⅱ）相关系数（若，则相关性较弱；若，则相关性较强；若，则相关性很强）．

6 . 随着移动互联网和直播带货技术的发展，直播带货已经成为一种热门的销售方式，特别是商家通过展示产品，使顾客对商品有更全面的了解.下面统计了某新手开启直播带货后从6月份到10月份每个月的销售量(万件)的数据，得到如图所示的散点图．其中6月份至10月份相应的代码为，如:表示6月份.

(1)根据散点图判断，模型①与模型②哪一个更适宜作为月销售量关于月份代码的回归方程?（给出判断即可，不必说明理由）
(2)（i）根据（1）的判断结果，建立关于的回归方程;(计算结果精确到0.01)
（ⅱ）根据结果预测12月份的销售量大约是多少万件?
参考公式与数据:， ，，其中.

7 . 已知由样本数据点集合，求得的回归直线方程为，且，现发现两个数据点和误差较大，剔除后重新求得的回归直线的斜率为1.2，则（     ）

A．变量与具有负相关关系	B．剔除后不变
C．剔除后的回归方程为	D．剔除后相应于样本点的残差为0.05

8 . 某城市理论预测2015年到2019年人口总数与年份的关系如下表所示

年份	2015	2016	2017	2018	2019
时间代号	0	1	2	3	4
人口总数（十万）	5	7	8	11	19

(1)请用相关系数说明该组数据中与之间的关系可用线性回归模型进行拟合；
(2)求出关于的线性回归方程；
(3)据此估计2021年该城市人口总数．
参考公式：相关系数，对于一组具有线性相关关系的数据，其回归直线的斜率和截距的最小二乘估计分别为．

10 . 下列论述正确的有（       ）

A．若随机变量满足，则

B．若随机事件，满足：，，，则事件与相互独立

C．基于小概率值的检验规则是：当时，我们就推断不成立，即认为和不独立，该推断犯错误的概率不超过；当时，我们没有充分证据推断不成立，可以认为和独立

D．若关于的经验回归方程为，则样本点的残差为